领域自适应的深度知识追踪及个性化习题推荐方法

    公开(公告)号:CN111444432A

    公开(公告)日:2020-07-24

    申请号:CN202010248722.4

    申请日:2020-04-01

    Abstract: 本发明公开了一种领域自适应的深度知识追踪及个性化习题推荐方法,相关知识追踪方法包括:获取学生的历史答题记录数据与相应的习题数据,并划分为源领域和目标领域数据;对于源领域数据,使用深度学习方法训练源领域的知识追踪模型;根据源领域的知识追踪模型,使用迁移学习方法实现源领域到目标领域的迁移,从而实现目标领域数据的知识追踪。该方法运用深度学习和迁移学习的方法,能够将源领域训练好的知识追踪模型迁移到目标领域中去,解决了领域数量多需要训练大量模型的问题,同时也解决了领域数据量少无法训练得到一个可靠知识追踪模型的问题。再配合相应的个性化习题推荐方法,可以给学生推荐合适的练习题,给学生提供个性化的测试方案。

    基于异构结构的知识追踪方法

    公开(公告)号:CN111539528B

    公开(公告)日:2023-04-07

    申请号:CN202010355445.7

    申请日:2020-04-29

    Abstract: 一种基于异构结构的知识追踪方法,包括以下步骤:获取学生的练习历史日志,以及每道习题考察的知识点;获取知识点之间关系构成的异构知识结构;将学生的成绩日志处理为若干按照时间顺序排列的作答序列,每个作答序列包括特定学生在特定时间的一系列答题结果;基于知识所具有的图结构性质,应用两个不同的传播模型来追踪沿不同关系的影响,包括同步传播方法和异步传播方法;采用级联影响传播单元对模型的时间效果和空间效果进行联合建立模型,将异构知识结构和学生的作答序列作为输入,由级联影响传播单元从每一个时刻的作答情况中提取出每次学习对知识点产生的时序影响;采用门控函数综合时序影响和空序影响的综合效果,更新学生的知识状态。

    基于异构结构的知识追踪方法

    公开(公告)号:CN111539528A

    公开(公告)日:2020-08-14

    申请号:CN202010355445.7

    申请日:2020-04-29

    Abstract: 一种基于异构结构的知识追踪方法,包括以下步骤:获取学生的练习历史日志,以及每道习题考察的知识点;获取知识点之间关系构成的异构知识结构;将学生的成绩日志处理为若干按照时间顺序排列的作答序列,每个作答序列包括特定学生在特定时间的一系列答题结果;基于知识所具有的图结构性质,应用两个不同的传播模型来追踪沿不同关系的影响,包括同步传播方法和异步传播方法;采用级联影响传播单元对模型的时间效果和空间效果进行联合建立模型,将异构知识结构和学生的作答序列作为输入,由级联影响传播单元从每一个时刻的作答情况中提取出每次学习对知识点产生的时序影响;采用门控函数综合时序影响和空序影响的综合效果,更新学生的知识状态。

Patent Agency Ranking